1980年，罗茜·鲁伊斯站在波士顿马拉松女子组终点，成绩足以让她成为冠军。问题很快出现了：沿途的工作人员和其他选手几乎不记得见过她，她也无法令人信服地讲清比赛中的关键路段。
《纽约时报》当年的报道记录了随后的调查。赛事组织方检查了沿途观察记录、照片和证人说法。八天后，波士顿田径协会取消了鲁伊斯的成绩，加拿大选手杰奎琳·加罗被确认为女子组冠军。
终点线上的一个时间，扛不住对途中过程的追问。
给你的旧连续记录做一次面试
现在打开一段让你颇为自豪的旧记录。假设它写在简历上：
“连续学习英语45天。”
面试官不会满足于绿色方格。他会随机挑一天：“第23天做了什么？”
你可能先回答：“背单词。”
接下来的问题会更具体：
背了哪一组词？用了多久？哪些词总是记错？当天做过听写或造句吗？第二天还能认出多少？留下了什么可以回看？
如果答案只剩“应该背了”“大概十几分钟”“软件显示完成”，这条记录的含金量已经很清楚。你记得连续天数，却找不到那天完成的工作。
这种测试同样适用于健身、编程、画画和备考。“连续练习30天”听起来很完整，直到有人问第17天写了哪个函数，第26天练了哪个动作，第29天订正了哪类错题。
遗忘本身很正常。真正的问题是，记录系统有没有保存行动留下的痕迹。
方格记录出勤，证据记录进步
打卡最擅长回答一个问题：“那天有没有点完成？”
它无法自动回答另外几个问题：任务是否发生，完成到什么程度，结果能否复查，下一次该改哪里。
这也是为什么一段旧连续记录容易像未经核实的简历描述。数字整齐，细节稀薄。你甚至可能真诚地相信自己完成了，因为每天点击按钮已经形成熟悉感。熟悉感会让记录显得可信，却不会替当天补上一张照片、一段专注时间、一次代码提交或一份错题清单。
可以继续用自我报告，但要诚实地区分证据强度。LifeQuest允许任何合适的任务通过自我报告完成，并获得一半XP。能留下客观痕迹时，则可以选择与任务相符的验证方式：提交现场照片接受AI合理性检查，用服务器计时完成专注任务，或验证编程任务创建后发生的GitHub推送。
AI照片审核并非防作弊裁判，专注计时也不能证明你学懂了内容。它们解决的是更窄、更实际的问题：为“我做过”增加一条可检查的记录。形式指导又与任务完成分开，最多60秒的运动或手作视频可以获得异步反馈，却不会被包装成完成证明。
如果你想继续检查自己的记录，可以读读你的连续打卡中，有多少天留下了可以回看的证据？。
让第23天经得起追问
下一次创建任务时，先写出未来的自己能够核对的完成条件。
“学数学”很难复盘。可以改成“完成20道题，标出错题并写下错误原因”。
“练吉他”没有留下练习内容。可以改成“练习指定段落，记录最容易停顿的小节”。
“写代码”容易变成打开编辑器。可以改成“完成登录错误提示，并推送到仓库”。
完成条件越具体，选择证据越容易。可以拍下成品的任务，用照片；需要投入一段时间的任务，用服务器计时；公开仓库里的编程任务，用符合条件的推送；确实不适合客观验证的事情，坦然自我报告。
每周再随机抽查一天。别先看总XP和最长连续天数，直接问三个问题：我完成了什么？留下了什么？这条记录能告诉下一次行动什么？
这份做法和学习任务设计：周屿如何用20道题和错题清单摆脱无效忙碌背后的原则一致：任务需要产生可检查的结果，记录才有机会指导下一步。
你的进度需要沿途记录
鲁伊斯的问题并非终点没有数字。那个数字缺少沿途记录的支撑。一旦调查者回到赛道，逐段询问她在哪里、谁见过她、有哪些照片，冠军头衔便无法继续成立。
你的日常目标没有裁判，也不需要把每一天变成审计现场。不过，一段值得信任的进度记录，应该允许未来的你回到“赛道”上，找到几个清楚的检查点。
连续天数可以鼓励你回来。XP可以显示积累。技能树和等级可以让长期进展更容易看见。证据则负责回答更难的问题：这些数字下面，究竟发生过什么？
从下一次任务开始，给第23天留下一样经得起追问的东西。
评论
暂无评论。